集成了储能的分布式能源系统的多目标粒子群优化(MOPSO)外文翻译资料

 2022-08-08 04:08

英语原文共 15 页,剩余内容已隐藏,支付完成后下载完整资料


集成了储能的分布式能源系统的多目标粒子群优化(MOPSO)

张健1,CHOHeejin1,*,MAGOPedroJ.1,张宏光2,杨福斌2

  1. 密西西比州立大学机械工程系,密西西比州立大学,密西西比州39762,美国
  2. 北京工业大学环境与能源工程学院,北京100124

copy;中国科学院工程热物理研究所科学出版社和德国Springer-Verlag GmbH,Springer Nature 2019的一部分

要:分布式能源系统被认为是可持续发展的有前途的技术,已成为建筑能源系统领域的热门研究主题。这项工作为优化位于德克萨斯州和加利福尼亚州的医院和大型酒店建筑的综合分布式能源系统(包括热

电联产(CHP),光伏发电(PV)以及电能和/或热能存储)的案例研究。首先,根据为满足建筑物的电能和热能需求而设计的控制策略,将单独开发的所有子系统的仿真模型集成在一起。随后,采用多目标粒子群优化(MOPSO)获得每个子系统的最佳设计。优化的目的是最小化简单的投资回收期(PBP),并最大程度地减少二氧化碳排放量(RCDE)。最后,对优化后的所选建筑物类型和位置的能源性能进行分析。结果表明,所提出的优化方法可用于确定分布式能源系统的优化设计,从而在不同建筑物的经济和环境性能之间进行权衡。借助提出的分布式能源系统,位于加利福尼亚州的一个冬季医院大楼可以实现约300 kW的峰值用电量削减和610 kW的锅炉燃油消耗降低。在夏季和过渡季节,可分别实现800 kW和600 kW的峰值削峰。

关键词:多目标粒子群算法分布式能源系统投资回收期二氧化碳排放

  1. 介绍

能源转换过程效率低下和传输过程中不可避免的能量损失,导致传统的中央发电厂整体效率低下[1]。 因此,最近的研究工作集中在以更有效和高效的方式来发电和分配电力。就以下方面而言,分布式能源系统被认为是应对这一挑战的解决方案:

具有高资源能源效率和减少环境污染的优点。通常, 分布式能源系统中使用的技术包括太阳能,热电联产

(热电联产(CHP)系统),储能等。许多研究人员 一直在对这些技术进行实验和理论研究[2-4]。此外, 世界各地的政府和公用事业公司都提出了许多激励政 策,以

命名法

每年节省 可以从激励政策中获得的金额/ 美元

A 光伏组件的净表面积/m2 lp 混合整数线性规划BES电池储能

冲浪

拖把

多目标问题

CE

BES / $·kWhminus;1的单位容量成本

摩加

多目标遗传算法

Cf BES/$·kW的固定成本minus;1 minus;1 摩普索

·年

多目标

粒子

一群

优化

一年中的一天

非主导

排序

遗传算

C 逆变器成本/$·kWminus;1 N

v

操作 和 保养 成本

厘米 光伏/$·kWminus;1·yrminus;1

恩斯加

法II

C BES/ $·kWminus;1的单位电力成本 P BES/kW的额定功率

P 蝙蝠

C 光伏组件成本/$·kWminus;1 点 投资回收期/年

光伏

简历人电脑

可变的运营和维护成本

BES/$·kWminus;1·yrminus;1

充电功率/kW

帽 光伏系统容量/kW P直流电 放电功率/kWCHP 热

电联产 P加载 建筑电力/kW

成本贝斯

BES / $的资本成本

Pgen

发电功率/ kW

成本C,inv

逆变器投资成本/美元

gu

发电单元

费用光伏

光伏组件的资本成本/美元

P光伏

光伏阵列的总功率/ kW

成本C总

PV-BES系统的总资本成本/美元

so

粒子群优化

费用e

电网电费/ $·kWhminus;1

光伏

光伏的

成本om,bes

BES / $·yrminus;1的运行和维护成本

Q锅炉

锅炉提供的辅助热量/ kWh

成本om,pv

PV / $·yrminus;1的运行和维护成本

Qh

建筑供暖负荷/ kWh

E蝙蝠

电池容量/kWh Qhc

满足加热负荷所需的热量/ kWh

Egen 发电量/kWh QR 回收热能/kWh

E 建筑用电/kWh RCDE 减少 的 碳 二氧化碳

排放/吨

Egu PGU产生的电能/kWh 社会 充电状态

E 光伏系统产生的年度可用电能/kWh 特斯 热能储存

F锅炉 锅炉燃料消耗量/kWh 希腊符号

Fgu 运行PGU/kWh所需的燃料能量 beta; 模块的表面倾斜度/radf激活 活性太阳能电池表面积的一部分 锅炉 锅炉热效率Gb直接太阳辐射

/ W·mminus;2 模块转换效率

细胞

Gb,s

阵列上的直接太阳辐射/ W·mminus;2

hc

效率 的 建造 加热

组件

Gd

漫射太阳辐射/ W·mminus;2

倒置

直流到交流转换效率

Gd,s

漫射太阳辐照度/ W·mminus;2

gu

PGU电效率

Gr 地面反射太阳辐照度/W·mminus;2

rec

热量回收的热效率系统

, 地面 反映的 太阳能的 照度 阵列/W·mminus;2

theta; 太阳入射角/ rad

GT

阵列上的总太阳辐照度/ W·mminus;2

z

太阳天顶角/ rad

GA

遗传算法

rho;

地面反射率

促进分布式能源系统的渗透[5-7]。而且,已经进行 了关于不同分布式能源技术的集成的越来越多的研究。一些研究人员专注于

关于结合多种分布式发电系统,包括热电联产,风能, 地热,太阳能等[8-10]。一些学者进行了研究,以增 强现场发电与

不同的储能技术以提高系统效率和经济效益[11,12]。 随着不同分布式能源资源的集成成为一个热门话题,

已经进行了大量研究来开发确定分布式能源系统每个组件大小的方法。Mehleri等。

[13]提出了一种基于混合整数线性规划(MILP)的超 结构模型,以优化分布式能源发电系统的性能。目的 是通过在包括微型热电联产,光伏阵列,锅炉和中央 电网在内的多种技术中寻求最佳的系统组件,以最小 化系统的年度化总投资和运营成本。两个应用程序的 结果说明了所提出的模型对分布式能源系统优化的有用性。Li等。[14]引入了一个绩效因子指标(PFI), 该指标考虑了所有三个优化标准,即年度总成本,一 次能源消耗和二氧化碳排放量。在他们的论文中,选 择了PFI作为目标函数,并且需要最小PFI值来优化设计燃气轮机分布式能源系统的容量和运行策略。Yousefi等。[15]

提出了一种混合制冷,制热和动力(CCHP)的混合系统,其中包括光伏和内燃机的组件。应用遗传算法

(GA)优化来找到系统组件的最佳大小。Wu等。[16] 开发了一个多目标混合整数线性规划(MILP)模型来 优化包括热电联产和太阳能热系统的分布式能源系统。优化结果表明,分布式能源系统的经济和环境绩效均 得到提高。

如表1所示,已经进行了有关分布式能源系统优化的大量工作。但是,很少有研究(例如,参考文献[17])对集成了两个热源的分布式能源系统进行多目标优化。以及使用经济性和环境影响的进化算法的蓄电。Falke等。[17]对区域供热网络而不是单个建筑物进行了优化。此外,进行优化时未考虑不同地区和激励政策的影响。

1分布式能源系统优化的文献综述

分布式能源系统类型 目标 拖把 基于帕累

决策变量数 算法

年运营成本率,一次节能率,碳减排率

cchp,光伏

没有

N/A

3

GA

[15]

CCHP,ORC,蓄热[18]

热和火用效率,成本

没有

4

GA

PV,柴油发电机,ORC [19]

发电成本

没有

N/A

3

so

光伏,蓄电[20]

生命周期总净利润

没有

N/A

3

PSO,GA等

cchp [21]

<td

剩余内容已隐藏,支付完成后下载完整资料</td


资料编号:[240448],资料为PDF文档或Word文档,PDF文档可免费转换为Word

操作

成本, 主

能源

没有

N/A

2

lp

消耗,二氧化碳排放

成本和CO 排放

原文和译文剩余内容已隐藏,您需要先支付 30元 才能查看原文和译文全部内容!立即支付

以上是毕业论文外文翻译,课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。